無人機(jī)可見光遙感影像的農(nóng)作物信息提取及驗(yàn)證

孫凱月

摘 要：該文簡要概述了遙感技術(shù)，對無人機(jī)可見光遙感提取農(nóng)作物信息的研究現(xiàn)狀進(jìn)行了分析，并以某個農(nóng)作物區(qū)域作為研究案例，就農(nóng)作物信息的提取和驗(yàn)證進(jìn)行了探究。

關(guān)鍵詞：無人機(jī)可見光遙感影像;農(nóng)作物信息提取;遙感技術(shù)

中圖分類號 S127 文獻(xiàn)標(biāo)識碼 A 文章編號 1007-7731（2022）04-0094-03

Abstract： This article provides a brief overview of remote sensing technology， analyzes the current status of research on crop information extraction by UAV visible light remote sensing;secondly， taking a certain crop area as a research object and case， various work on extracting and verifying crop information is launched In-depth explanation.

Key words： UAV visible light remote sensing image; Crop information extraction; Remote sensing technology

在三大產(chǎn)業(yè)當(dāng)中，農(nóng)業(yè)的產(chǎn)值雖然無法與工業(yè)、服務(wù)業(yè)相比，但農(nóng)業(yè)仍然是人類為了維持當(dāng)前的生存和未來發(fā)展必不可少的基礎(chǔ)性產(chǎn)業(yè)。在農(nóng)業(yè)生產(chǎn)過程中，確定農(nóng)作物的類型是一項(xiàng)重要的工作，在這項(xiàng)工作中，獲取農(nóng)作物的信息是前提。全面掌握一個地區(qū)的農(nóng)作物信息具有重要的意義，可以合理調(diào)整一個地區(qū)的農(nóng)業(yè)結(jié)構(gòu)，充分發(fā)揮地區(qū)的自然優(yōu)勢，促進(jìn)各個農(nóng)業(yè)區(qū)之間的協(xié)調(diào)發(fā)展。

1 遙感技術(shù)和無人機(jī)概述

遙感技術(shù)的優(yōu)勢眾多，包括可以覆蓋極廣的范圍、獲取信息的速度極快、可以多平臺使用、具有多種分辨率等。因此，遙感技術(shù)在農(nóng)業(yè)信息獲取的過程中肩負(fù)重要的使命[1-2]?，F(xiàn)階段，我國無人機(jī)飛行技術(shù)已走在了世界前列，無人機(jī)飛行技術(shù)發(fā)展迅速，機(jī)動性和作業(yè)選擇性較強(qiáng)，具備高度的靈活性。同時，無人機(jī)的作業(yè)周期相對較短，擁有較好的時效性，并且無須過高的使用費(fèi)用，安全性有保障。目前，微型計算機(jī)技術(shù)、通信技術(shù)等眾多高新信息技術(shù)的發(fā)展，為搭載遙感設(shè)備的無人機(jī)平臺發(fā)展奠定重要的基礎(chǔ)，在獲取區(qū)域農(nóng)作物信息的過程中，這項(xiàng)技術(shù)也應(yīng)用廣泛，并成為了研究的重點(diǎn)[3-4]。

2 無人機(jī)可見光遙感提取農(nóng)作物信息研究現(xiàn)狀

現(xiàn)階段，由于科技的迅速發(fā)展，獲取農(nóng)作物信息的手段呈現(xiàn)出多樣化的特點(diǎn)，但使用頻率最高，使用范圍最為廣泛的技術(shù)仍然是遙感技術(shù)，該技術(shù)在識別農(nóng)作物信息的過程中無須過多的時間，并且獲得的數(shù)據(jù)精度較高。以往利用衛(wèi)星遙感，在位置上距離地面較為遙遠(yuǎn)，作業(yè)的周期相對較長，并且衛(wèi)星遙感首先要發(fā)射遙感衛(wèi)星，操作較為復(fù)雜，而搭載遙感設(shè)備的無人機(jī)出現(xiàn)之后，這些問題都被一一解決[5-6]。在無人機(jī)可見光遙感獲得農(nóng)作物信息這一方面，前人已有如下的研究：賈鵬剛在獲取銀杏樹影像數(shù)據(jù)的過程中利用到了無人機(jī)，在無人機(jī)可見光遙感的作用下將銀杏樹的胸徑值提取出來，通過成功的實(shí)踐證明無人機(jī)遙感獲取農(nóng)作物信息的可行性。韓文霆在玉米拔節(jié)期種植期間利用無人機(jī)獲得了重要的數(shù)據(jù)信息，并以TGB圖像顯示出來，最終獲得觀察結(jié)果，面積提取誤差值在20%以內(nèi)。陳燕麗以CLDAS數(shù)據(jù)為基礎(chǔ)，在監(jiān)測晚稻生產(chǎn)寒露風(fēng)低溫冷害的過程中充分利用了無人機(jī)遙感技術(shù)，并在遙感技術(shù)的輔助下對相關(guān)數(shù)據(jù)進(jìn)行深入分析，在較短的時間內(nèi)了解到了災(zāi)害等級的分布情況，為后續(xù)的工作奠定了重要的基礎(chǔ)。

汪小欽利用無人機(jī)遙感技術(shù)獲得重要的RGB圖像，并且利用植物具有的波段反射特性和波段吸收特性構(gòu)建了相關(guān)的指數(shù)（VDVI）。李宗南在獲取農(nóng)作物圖像的過程中充分利用搭載彩色相機(jī)的小型無人機(jī)，從紋理和色彩2個特征入手，分析處于正常狀態(tài)的玉米和出現(xiàn)倒伏的玉米，從而得出結(jié)論：倒伏玉米的誤差值相對較小。Kyle在識別藻類的過程中利用無人機(jī)獲取到了多幅RGB格式的圖像數(shù)據(jù)，并且利用多種算法完成了最終的識別工作[7]。

王利民以無人機(jī)可見光遙感技術(shù)為基礎(chǔ)，獲取到農(nóng)作物的RGB格式的影像，根據(jù)圖像本身的特征、包括光譜、幾何形狀、紋理等，充分利用對象分類方法分類不同的農(nóng)作物，包括春季玉米、夏季玉米、苜蓿以及缺少農(nóng)作物和植被覆蓋的，裸露在地表的土壤等。董梅在提取煙草種植面積信息的過程中充分利用無人機(jī)遙感技術(shù)，了解煙草種植的分布情況。魯恒在無人機(jī)遙感影像技術(shù)的輔助下，在耕地提取方法中另辟蹊徑，提出了利用遷移學(xué)習(xí)機(jī)制[8]。

3 案例分析

3.1 材料與方法

3.1.1 研究區(qū)域的基本情況 本文研究的主要農(nóng)作物區(qū)域?yàn)槲覈髂喜磕呈》莸囊粋€農(nóng)村，該村距離最近的縣城有16.5km，整個村莊的占地面積為28.4km2，該村的交通較為發(fā)達(dá)，公路貫穿其中，整個農(nóng)村的居住人口在4800余人。在該村中，可以用作耕地的面積為228.7m2，自然優(yōu)勢利于水稻、玉米以及馬鈴薯等主糧作物的種植，還有以油菜為主的經(jīng)濟(jì)作物的種植。水稻種植位于灌區(qū)，而玉米的種植多為與油菜和蠶豆進(jìn)行套種。該村水資源總量較為豐富，四季的氣候適宜居住，冬季氣溫不會出現(xiàn)過低的現(xiàn)象，夏季不會出現(xiàn)高溫酷熱的天氣，適宜農(nóng)作物的生長。

3.1.2 數(shù)據(jù)獲取及預(yù)處理

3.1.2.1 數(shù)據(jù)獲取 在獲取數(shù)據(jù)的過程中，主要利用搭載正射相機(jī)的無人機(jī)，其中正射相機(jī)的像素為4200萬，可以實(shí)現(xiàn)全景的對焦，而無人機(jī)的類型為純電動型，可以垂直起降。無人機(jī)自身攜帶全球衛(wèi)星定位系統(tǒng)，在于位于地面的站臺對接完畢后，可以獲得每次任務(wù)的具體航線，相關(guān)工作人員在地面控制無人機(jī)的起降。此次利用無人機(jī)獲取農(nóng)作物數(shù)據(jù)的飛行高度為1568m，無人機(jī)在航拍的過程中，整體的高度為200m，航向和旁向的重疊度分別為75%和70%，無人機(jī)巡航的速度為64km/h，無人機(jī)飛行的總長度為51km，總飛行時間為50min。

3.1.2.2 預(yù)處理 在無人機(jī)獲取圖像信息之后，利用PIX4D技術(shù)進(jìn)行拼接，這是因?yàn)槔脽o人機(jī)獲取的圖像信息處于分離狀態(tài)，即照片和坐標(biāo)的信息分離，為了不影響后續(xù)的工作，需要在軟件中添加，補(bǔ)充信息，再利用照片的編號完成對應(yīng)的工作，最后遙感影像的精度必須符合1∶1000。研究主要區(qū)域是正射相機(jī)拍攝中農(nóng)作物種類較多的區(qū)域，主要研究區(qū)域的面積為0.36km2。此外，影像數(shù)據(jù)中包括的灰度值主要有3種色彩，分別是R、G、B3。

3.1.3 種植作物類型信息提取 利用遙感無人機(jī)獲取的影響數(shù)據(jù)波段有限，僅為紅、藍(lán)和綠3個，因此，在提取農(nóng)作物信息的過程中無法直接通過植被的計算。在處理遙感影響中的農(nóng)作物紋理信息的過程中，必須通過色彩空間轉(zhuǎn)換和處理不同紋理的濾波實(shí)現(xiàn)，利用這種方法的優(yōu)勢較多，主要的優(yōu)勢就是可以保證同譜同物，讓識別農(nóng)作物的精度得以提升。在無人機(jī)正射相機(jī)拍攝的影像中選取不同農(nóng)作物區(qū)域作為樣本，完成影像色彩與紋理2個特征的計算、統(tǒng)計和分析工作。通過這項(xiàng)工作可以獲取不同農(nóng)作物關(guān)鍵特征的參數(shù)，這些參數(shù)在區(qū)分不同農(nóng)作物的過程中將發(fā)揮重要的作用。同時，將這些數(shù)據(jù)提取出來還可以獲得農(nóng)作物的關(guān)鍵信息。

在提取農(nóng)作物關(guān)鍵信息的過程中，充分利用ENVI5.1技術(shù)將影像數(shù)據(jù)灰度值的3個波段統(tǒng)計出來，在獲取色彩特征的過程中利用色彩空間的轉(zhuǎn)換，最終獲得亮度、色度和飽和度3個特征，在計算之后，影像數(shù)據(jù)的紋理特征也可以獲得，包括顏色的均值、方差和信息熵等。

內(nèi)業(yè)判讀的依據(jù)為在野外采集農(nóng)作物的樣本。經(jīng)過研究之后，選定3種農(nóng)作物作為典型樣本進(jìn)行研究，分別為玉米、大豆和水稻。在研究的過程中，各種農(nóng)作物樣本的選擇如下：21個大豆樣本、19個水稻樣本以及22個玉米樣本。在對所有的指標(biāo)結(jié)果進(jìn)行統(tǒng)計之后，得出了特征指標(biāo)的方差和均值24項(xiàng)，不同農(nóng)作物之間的差異系數(shù)由此而來。

3.1.4 提取的信息分類與驗(yàn)證 在提取農(nóng)作物數(shù)據(jù)的過程中，分析上述3種農(nóng)作物的色彩與紋理2個方面的特征，在分類區(qū)域內(nèi)農(nóng)作物的過程中，利用分類特征組合為綠色二階矩、飽和度和亮度。在提取農(nóng)作物精度的過程中，利用遙感判讀外業(yè)采集樣本的分類結(jié)果。Arcgis是遙感判讀過程中主要憑依，同時必須結(jié)合外業(yè)采集的樣本，在室內(nèi)判別每一種農(nóng)作物的過程中利用矢量化的遙感影像，最終獲得主要研究區(qū)域的影響判讀結(jié)果并完成相應(yīng)的統(tǒng)計工作。不同農(nóng)作物的種植面積需要根據(jù)提取的結(jié)果判定，并且要進(jìn)行目視解椅判讀，并將2種方法得到的結(jié)論進(jìn)行對比，在此基礎(chǔ)上將農(nóng)作物的精度提取出來。

3.2 結(jié)果與分析

3.2.1 色彩和紋理特征 根據(jù)相關(guān)的正射影像可以得知，在顏色、紋理特征以及亮度和飽和度上，玉米、大豆和影響3種作物各有不同。其中，深綠色為大豆的顏色特征，大豆種植在局部地區(qū)，顏色以淺綠色為主，并且種植較為稀疏;條帶狀是水稻的主要紋理特征，水稻植株之間有明顯的差異，并且就顏色上來說，水稻較為單一，以淺綠色為主，由于種植條件的特殊性，水稻的地塊多為矩形，并且地塊規(guī)整;而玉米的植株的種植特征更為明顯，顏色特征為亮綠色，整體的顏色以深色為主，并且由于影像拍攝季節(jié)的關(guān)系，玉米植株在中間部位呈現(xiàn)出淺黃色，其中玉米穗的影響較大，這也是玉米與大豆和水稻之間明顯的差別之一。

通過相關(guān)的研究數(shù)據(jù)可知，3種不同農(nóng)作物之間的顏色特征、紋理特征以及其他特征的變異系數(shù)較大，3種作物整體之間的差異系數(shù)變化較大。尤其在飽和度和亮度這2個顏色特征上，大豆、玉米和水稻這3種作物有著明顯的差別，在亮度上大豆位居第1位，水稻和玉米排在其次;在飽和度上，水稻位居第1位，玉米排在最后，大豆居于兩者之間。因此，從顏色特征入手就可以將3種農(nóng)作物區(qū)分開來。同時，利用綠色二階矩指標(biāo)也可以區(qū)分3種不同的農(nóng)作物，尤其是大豆與水稻的差異系數(shù)相差較大，可以輕易將大豆從3種農(nóng)作物之間區(qū)分出來。鑒于此，判斷不同農(nóng)作物之間的差異可以參照較多的指標(biāo)，在分類不同農(nóng)作物的過程中只需要在其中選擇合適的1種或者幾種即可，這樣分類不同的農(nóng)作物將有著較高的效率?？偟膩碚f，在提取大豆、玉米和水稻3種農(nóng)作物信息的過程中，主要的分類依據(jù)是顏色特征中的亮度、飽和度以及綠色二階矩，其他的各項(xiàng)差異系數(shù)等信息只作為輔助指標(biāo)，不發(fā)揮主要作用。

3.2.2 提取信息的分類及誤差 經(jīng)過相關(guān)的影像資料可以得知，主要研究區(qū)域的農(nóng)作物主要有3類，分別是大豆、玉米和水稻。就相關(guān)的結(jié)果來看，在主要研究區(qū)域內(nèi)，種植范圍較大的是大豆。從顏色特征和紋理特征入手可以獲得農(nóng)作物在空間分布上的情況，對遙感目視判讀的結(jié)果與該研究方法大體一致，差異并不明顯。根據(jù)相關(guān)的研究資料可知，玉米、大豆和水稻等3種作物的目視解讀范圍不超過±0.3hm2;從顏色特征和紋理特征為基礎(chǔ)，提取出的3種不同的農(nóng)作物面積之間的差異不超過±0.25hm2;3種不同農(nóng)作物的提取誤差均不超過10.00%，玉米的提取誤差甚至不超過2.00%。

4 小結(jié)與討論

利用先進(jìn)的無人機(jī)飛行技術(shù)以及遙感技術(shù)，獲得主要研究區(qū)域內(nèi)的遙感影像，將紋理濾波中的亮度、飽和度等顏色特征利用色彩空間轉(zhuǎn)換與灰度共生矩陣2種方法進(jìn)行組合，將主要研究區(qū)域內(nèi)大豆、玉米和水稻3種農(nóng)作物的信息提取出來，在檢驗(yàn)以顏色特征和紋理特征組合分類方法的精度的過程中充分利用判讀遙感影像的結(jié)果。相關(guān)的結(jié)果表明，3種農(nóng)作物種植面積的誤差均在10%以下，并且玉米的誤差甚至在2%以下。同時，在3種農(nóng)作物中，玉米的精度要高于其余2種作物。

在提取農(nóng)作物面積大小以及分布情況時，利用無人機(jī)遙感技術(shù)可以獲得較好的精度，同時，無人機(jī)飛行技術(shù)本身操作難度不高，并且較為安全，在提取農(nóng)作物信息，監(jiān)測農(nóng)作物情況的過程中應(yīng)用較為難廣泛，適用于農(nóng)作物的調(diào)查工作。但是這種技術(shù)也存在一定的局限性：一是無人機(jī)為純電動，無人機(jī)飛行的時間受到電力的限制，難以大面積航拍，外部的天氣和地形也會對無人機(jī)產(chǎn)生影響;二是無人機(jī)在航拍的過程中可以獲得大量的數(shù)據(jù)，這些數(shù)據(jù)在后期的處理過程中需要大量的時間;三是農(nóng)作物的光譜特征相對復(fù)雜程度較高，容易將一種類型的農(nóng)作物劃分為不同類型。

參考文獻(xiàn)

[1]戴建國，薛金利，趙慶展，等.基于低空無人機(jī)可見光影像的棉田苗情提取[J].農(nóng)業(yè)工程學(xué)報，2019（4）.

[2]金忠明，曹姍姍，王蕾，等.天山云杉林無人機(jī)可見光影像樹冠信息提取方法研究[J].林業(yè)資源管理，2020（01）：127-137.

[3]田甜，王迪，曾妍，等.無人機(jī)遙感的農(nóng)作物精細(xì)分類研究進(jìn)展[J].中國農(nóng)業(yè)信息，2020，32（02）：5-16.

[4]戴建國，薛金利，趙慶展，等.利用無人機(jī)可見光遙感影像提取棉花苗情信息[J].農(nóng)業(yè)工程學(xué)報，2020（04）：71-79.

[5]陳青松，滕連澤，張洪吉，等.基于微小無人機(jī)農(nóng)作物長勢監(jiān)測試驗(yàn)研究——以獼猴桃為例[J].農(nóng)機(jī)使用與維修，2019（8）：4-10.

[6]王猛，隋學(xué)艷，梁守真，等.利用無人機(jī)遙感技術(shù)提取農(nóng)作物植被覆蓋度方法研究[J].作物雜志，2020，196（03）：183-189.

[7]劉斌，史云，吳文斌，等.基于無人機(jī)遙感可見光影像的農(nóng)作物分類[J].中國農(nóng)業(yè)資源與區(qū)劃，2019，260（08）：60-68.

[8]陳智虎，許元紅，童倩倩，等.無人機(jī)可見光遙感影像的農(nóng)作物信息提取及驗(yàn)證[J].貴州農(nóng)業(yè)科學(xué)，2020（02）：133-136，183.

（責(zé)編：張宏民）

3009500338256